技术特征:1.一种多无人机运动规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种多无人机运动规划方法,其特征在于,所述步骤6中,对所得的离散轨迹进行轨迹优化,具体包括以下步骤:
技术总结本发明公开了一种多无人机运动规划方法,该方法采用融入了人工势场法的先验经验的强化学习算法进行前端的路径规划,后端则采用B样条进行曲线插值和优化。在前端路径规划部分,人工势场法的势场设置和强化学习的奖励函数相对应,除了设置有用于规划飞行的势场和奖励函数外,还设置了一个根据无人机的初始纵坐标位置来进行调整轨迹间距的力场和奖励函数。在后端的轨迹优化部分,根据前端路径规划得到的轨迹信息,计算相邻无人机的轨迹的平分分界线;在两条平分的分界线中,排除障碍物的边界,作为轨迹的可行区域,并在这个可行区域中优化B样条的控制点。前端路径规划的策略神经网络承担整个规划过程中更大的计算量,降低后端轨迹优化问题的难度。
技术研发人员:张振华,韩波,姜杨,魏晓恒,杨继坤,韩先平,刘关心,战帅,孙秉志,薛鹏,钱伟,查月,贾靖,孙金明
受保护的技术使用者:浙江大学
技术研发日:技术公布日:2024/2/29